The invention discloses a fuzzy point encoding convolutional neural network based motion identification method, the specific steps include: step one, to construct a virtual camera calibration camera shot, encoding, get a lot of motion blurred image encoding encoding point identity sample; step two, construct the convolutional neural network MBCNet; step three, will set the motion blurred image encoding encoding point identity samples for training and testing of MBCNet convolutional neural network; step four, the use of MBCNet convolution neural network after training of motion blurred image segmentation and classification, can obtain the identity of the corresponding ID encoding marker; this identification method can process the actual shooting motion blur the image obtained marked point corresponding to the encoding status for machine vision measurement of high speed object can provide fast and reliable before Phase data expands the field of application of machine vision measurement methods.
【技术实现步骤摘要】
基于卷积神经网络的运动模糊编码点的身份识别方法
本专利技术属于机器视觉测量领域,具体是一种基于卷积神经网络的运动模糊编码点的身份识别方法。
技术介绍
编码标记点被广泛用于基于机器视觉的工业测量和逆向工程中。编码标记点的身份识别是后续处理的基础。现有的编码标记点身份识别方法都是基于静态拍摄的清晰图像。识别方法大致包括以下步骤1)图像降噪,2)检测边缘,3)从边缘中挑选接近于椭圆的封闭曲线,作为编码点中心的候选者,4)对椭圆周边的局部图像进行几何变换,可以变换为圆或者矩形,5)在变换以后的图像中,根据像素灰度等级判定为0或者1,6)根据上一步确定的二进制串进行解码。现有的身份识别方法也有多种,主要是实现细节上略有区别,例如识别方法中的降噪可以选用不同的算法,边缘检测可以使用不同的算子;图像也可以选择不变换实拍的编码点的图像,而是变换理想的编码点的图像为一个椭圆。但是这些方法基本上都是遵循上述过程。公开的方法中,例如周玲发表的论文《近景摄影测量中标记点的自动检测》(应用科学学报,2007.5,第25卷第3期,288-294);宋丽梅等发表的《环状编码标记点的检测与识别》(光学精密程,2013.12月,第21卷第12期,3239-3247)。由于边缘检测需要较清晰的图像,图像变换和灰度判断依赖于相机瞬间成像模型保存的结构关系,此类方法适合于处理静态拍摄的清晰图像。但是,当被测量的物体处于高速运动状态时,得到的图像不可避免地出现运动模糊,并且得到清晰的图像往往很困难,因此上述方法即失效。为了减小运动引起的模糊,就需要减少曝光时间,为了得到正确曝光的图像,作为补偿,就 ...
【技术保护点】
一种基于卷积神经网络的运动模糊编码点的身份识别方法,其特征在于,具体步骤如下:步骤一、标定实拍相机,构造虚拟相机编码点,获取大量运动模糊编码点图像‑编码点身份样本;步骤二、构造卷积神经网络MBCNet;步骤三、将步骤一中得到的运动模糊编码点图像‑编码点身份样本的集合对步骤二中的卷积神经网络MBCNet进行训练及测试;步骤四、对实际拍摄的运动模糊编码标记点图像进行分割,运用训练后的卷积神经网络MBCNet对分割后的子图进行分类,获得对应的编码标记点身份ID。
【技术特征摘要】
1.一种基于卷积神经网络的运动模糊编码点的身份识别方法,其特征在于,具体步骤如下:步骤一、标定实拍相机,构造虚拟相机编码点,获取大量运动模糊编码点图像-编码点身份样本;步骤二、构造卷积神经网络MBCNet;步骤三、将步骤一中得到的运动模糊编码点图像-编码点身份样本的集合对步骤二中的卷积神经网络MBCNet进行训练及测试;步骤四、对实际拍摄的运动模糊编码标记点图像进行分割,运用训练后的卷积神经网络MBCNet对分割后的子图进行分类,获得对应的编码标记点身份ID。2.根据权利要求1所述的基于卷积神经网络的运动模糊编码点的身份识别方法,其特征在于,所述的步骤一具体如下:步骤1.1、对实拍所用相机进行标定,确定相机的内参矩阵K,像平面记做π1;步骤1.2、确定在相机坐标系下,被测物体的空间运动区域Ω;步骤1.3、确定编码标记点的边长l;确定需要使用的编码标记点的序号集合M,准备好相应的编码标记点的图形Im,其中m∈M;步骤1.4、构造虚拟场景和虚拟相机:虚拟场景采用虚拟相机的坐标系,虚拟相机的内参矩阵为K;步骤1.5、虚拟的编码点为一个正方形T(m),边长为l,正方形正面贴有编码标记点图像Im,编码标记点的图像Im恰好填充正方形T(m);正方形所在平面记做π0;步骤1.6、在空间运动区域Ω中选取随机的两个点P0以及P1,分别作为编码标记点运动的起点P0和终点P1;步骤1.7、选取两个随机的向量作为起点的方向向量和终点的方向向量步骤1.8、由P0,P1.决定一条三次样条曲线P=P(t),t∈[0,1];步骤1.9、在参数区间[0,1]上取均匀分割的采样点tn,其中,n=0,1,…,N式中,N为静态瞬间...
【专利技术属性】
技术研发人员:周含策,张丽艳,陈明军,
申请(专利权)人:南京航空航天大学,
类型:发明
国别省市:江苏,32
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。